sistemas-especialistas.pdf
TRANSCRIPT
-
1Introduo aos
Sistemas Especialistas
Professor Celso A A Kaestner, Dr. Eng.
-
2Inteligncia Artificial
O campo da Inteligncia Artificial (IA) tenta
compreender as entidades inteligentes para
construir entidades inteligentes.
Construir mquinas (computadores) com um nvel
de inteligncia igual ou superior aos humanos!
As abordagens de IA podem organizar-se em 4
categorias:
-
3Inteligncia Artificial
Raciocnio/
Pensamento
Comportamento
Modelao do Ser
Humano
Outros Modelos
Sistemas que
pensam como os
Humanos
Foco de Interesse
Sistemas que
pensam
Racionalmente
Sistemas que
agem como os
Humanos
Sistemas que
agem
Racionalmente
-
4IA Simblica
Fundamenta-se em:
Representao do conhecimento; e
Mtodos de Busca.
-
5IA Simblica
Representao do conhecimento:
1. Lgica proposicional e predicativa;
2. Regras de produo;
3. Redes semnticas;
4. Frames e scripts;
5. ...
-
6IA Simblica
Mtodos de Busca:
1. Espao de estados;
2. Busca em profundidade;
3. Busca em largura;
4. Busca heurstica (A*);
5. Busca em feixe;
6. Tmpera simulada;
7. ...
-
7Exemplo: um pequeno jogo...
Estado inicial:
Estado objetivo:
Aes (operaes):
1. X_ => _X e _Y => Y_
2. XX_ => _XX e _YY => YY_
3. XY_ => _YX e _XY => YX_
-
8Exemplo: uma soluo
1. (estado inicial)
2. (ao 1a)
3. (ao 2b)
4. (ao 1b)
5. (ao 3a)
6. (ao 3a)
7. (ao 1b)
8. (ao 3b)
9. (ao 1a)
-
9Exemplo: uma falha
1. (estado inicial)
2. (ao 1a)
3. (ao 2b)
4. (ao 1b)
5. (ao 3a)
6. (ao 1b) Falha !!!!
-
10
Exemplo: rvore de busca
1. (estado inicial)
2. (ao 1a) OU
3. (ao 1b) OU
4. (ao 2a) OU
5. (ao 2b)
Qual escolher ? (heurstica ?)
-
11
Sistemas Especialistas
Os especialistas humanos so capazes de atingir
um alto desempenho na medida em conhecem
muito bem as suas reas de especializao;
Um Sistema Especialista (SE) um programa de
computador que utiliza conhecimento especfico
do domnio de um problema e emula a
metodologia e desempenho de um especialista
para obter solues de problemas neste domnio.
-
12
Sistemas Especialistas
O conhecimento inerente a um Sistema
Especialista um ponto chave na sua construo,
e normalmente definido por engenheiros do
conhecimento;
Para tal so consultados especialistas no domnio
do problema e tenta-se codificar numa
linguagem formal todo o conhecimento que estes
adquiriam ao longo da sua experincia,
nomeadamente heursticas e truques.
-
13
Sistemas Especialistas
Os Sistemas Especialistas no imitam
necessariamente a estrutura da mente humana,
nem os mecanismos da inteligncia;
So programas prticos que usam estratgias
heursticas desenvolvidas por humanos na
resoluo de classes especficas de problemas;
So uma classe de programas na rea da
Inteligncia Artificial, e tm contribudo para o
sucesso desta rea atravs de vrios produtos
comerciais desenvolvidos e aplicaes.
-
14
Sistemas Especialistas
Programa Sistema Especialista Representao do
Conhecimento
Implcita Explicita
Realidade expressa
em termos de
Modelos Matemticos Modelos Cognitivos
Conhecimento
traduzido em
Algoritmos Estruturas hierrquicas
Redes Semnticas
Regras
rvores de deciso
Tabelas de deciso
Redes de Inferncia
O computador
executa
Processamento
numrico (clculos)
Processamento
simblico (inferncias)
Tipo de Resultados Numricos Conhecimento
-
15
Categorias dos Problemas Interpretao: formar concluses a partir de dados;
Predio: projetar consequncias de situaes;
Diagnstico e reparo : determinar a causa de mausfuncionamentos, e prescrever e implementar solues;
Projeto: configurar componentes de forma a atingir umobjetivo;
Planejamento: obter a sequncia de passos para atingirum objetivo;
Monitorao: comparar o comportamento de umsistema com aquilo que seria de esperar;
Tutoriais: detectar e corrigir deficincias, e auxiliarprocessos de aprendizagem;
Controle: governar o comportamento de um sistema.
-
16
Tecnologia dos Sistemas Especialistas
Arquitetura
BASE DE
CONHECIMENTO
DADOS ESPECFICOS
DO CASO
MOTOR DE
INFERNCIA
INTERFACE COM USURIO:
PERGUNTA/RESPOSTA
ORIENTADO POR MENUS
LINGUAGEM NATURAL
GRFICO
APRENDIZAGEM
EXPLANAO
ESPECIALISTA/
ENG. CONHECIMENTO/
PROGRAMADOR SHELL
USURIO
-
17
Quando desenvolver um SE
O problema justifica o custo e esforo de construo do SE;
No existem especialistas disponveis (no local) para
resolver diretamente o problema;
Existem especialistas para cooperarem na construo do SE;
O problema pode ser solucionado atravs de raciocnio
simblico (prximo dos humanos);
O problema no requer senso comum;
O problema no pode ser resolvido atravs de mtodos
computacionais tradicionais;
O problema no demasiado grande nem demasiado
genrico.
-
18
Desenvolvimento de SE
Envolve o Engenheiro de Conhecimento, o Especialista do
domnio do problema e o Usurio final;
Criao Rpida de Prottipos:
Metodologia Centrada no Cliente;
Sucessivas iteraes nas quais as possibilidades so postas
prova pelos futuros usurios.
Correo
Programao
Modelagem
do Sistema
Aquisio do Conhecimento
-
19
Criao de SE
Linguagens de Programao: C++, LISP, PROLOG
Shells:
Acadmicos: MYCIN - EMYCIN, CLIPS, GUIDON, TEIRESIAS,
VM, CENTAUR...
Comerciais: Deciding Factor, Exsys, M-1, Savoir, Expert-
Ease, Guru, Crystal...
Ambientes de Programao (de IA):
ILOG...
Aplicaes:
Business Insight...
-
20
Raciocnio Baseado em Regras
Representao do conhecimento para a
resoluo do problema atravs de regras do tipo
se...ento... (regras de produo)
Exemplo:
Se (Qualifica = SIM) e
(Mdia < 3,5) e
(Experincia >= 2)
Ento
(Posio = engenheiro de servio)
-
21
Arquitetura Clssica de um SE
Base de
Conhecimento
Regras
Fatos
Memria
de Trabalho
Motor de
Inferncia:
Controle e
Inferncia
Subsistema de
aquisio de
conhecimento
Subsistema de
explanao
Interface
com o usurio
Especialista / Eng. Conhecimento Usurio
-
22
Motor de Inferncia
Regras (MR) Fatos (MF)
Motor de
Inferncia:
Controle e
Inferncia
Conjunto de conflitos (CC)
Pattern Matching
Resoluo de conflitos
Regra (s) escolhida(s)
Disparo da(s) regra(s)
Alteraes em MF (MR)
-
23
Exemplo: um pequeno SE
Problema:
Oferta de emprego a um candidato em uma
empresa.
Variveis de entrada: Descoberta (Sim / No),
Diploma (Sim / No), Experincia (em anos),
Mdia (nota mdia do histrico);
Variveis de sada: Posio (Nenhuma /
Pesquisa / Eng. De Servio / Eng. De
Produto), Qualifica (Sim / No).
-
24
Exemplo: um pequeno SE
Variveis:
Descoberta: o candidato fez alguma descoberta?
Diploma: o candidato tem curso superior ?
Experincia: quantos anos de experincia tem o
candidato ?
Mdia: qual a nota mdia do candidato em seu curso
superior ?
Posio:que posio deve ser oferecida ao candidato ?
Qualifica: o candidato se qualifica para uma posio ?
-
25
Exemplo: um pequeno SE
Regras:
R1: SE (Diploma = No)
ENTO (Posio =Nenhuma);
R2: SE (Diploma = Sim)
ENTO (Qualifica = Sim);
R3: SE (Diploma = Sim) E
(Descoberta = Sim)
ENTO (Posio = Pesquisa);
-
26
Exemplo: um pequeno SE
R4: SE (Qualifica = Sim) E
(Mdia = 2)
ENTO (Posio = Eng. De Servio);
R5: SE (Qualifica = Sim) E
(Mdia < 7,0) E
(Experincia < 2)
ENTO (Posio = No);
-
27
Exemplo: um pequeno SE
R6: SE (Qualifica = Sim) E
(Mdia > 7,0)
ENTO (Posio = Eng. de Produto);
-
28
Encadeamento para frente
Procedimento bsico:
At que a soluo pertena a MF faa:
Compare a MF e MR e obtenha o CC;
Escolha uma (vrias) regra(s) no CC
(resoluo de conflitos);
Dispare a(s) regra(s) escolhida(s)
(acrescenta / retira fatos da MT).
-
29
Encadeamento para frente
Fatos iniciais (M0):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);
F2: (Mdia = 8,0);
F3: (Descoberta = No).
Inferncia 1: Dispara R2;
F4: (Qualifica = Sim);
-
30
Encadeamento para frente
Fatos atuais (M1):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);
F2: (Mdia = 8,0);
F3: (Descoberta = No).
F4: (Qualifica = Sim);
Inferncia 2: Dispara R6;
F5: (Posio = Eng. De Produto).
-
31
Encadeamento para frente
Fatos atuais (M2):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);
F3: (Mdia = 8,0);
F4: (Descoberta = No).
F5: (Qualifica = Sim);
F6: (Posio = Eng. De Produto).
No h mais regra a disparar.
-
32
Encadeamento para trs
Procedimento bsico:
Escolha uma hiptese H da Pilha de Hipteses;
At que a hiptese seja comprovada (pertena a
MF):
Escolha uma regra R cuja concluso seja H;
Tente provar as premissas de R
(recursivamente);
Se no for possvel , escolha outra hiptese.
-
33
Encadeamento para trs
Fatos iniciais (M0):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);
F2: (Mdia = 8,0);
F3: (Descoberta = No).
-
34
Encadeamento para trs
Possui Pilha de Hipteses a serem provadas /
negadas.
Hiptese:
H0: (Posio = Nenhuma);
Pela regra R1, substituda por:
H1: (Diploma = No), negada por M0;
A hiptese descartada.
-
35
Encadeamento para trs
Nova hiptese:
H2: (Posio = Pesquisa);
Pela regra R3, substituda por (H3) e (H4):
H3: (Diploma = Sim), e
H4: (Descoberta = Sim).
H3 confirmada por M0, H4 no;
No h regra cuja concluso seja H4, logo H4 e
H2 so descartadas.
-
36
Encadeamento para trs
Nova hiptese:
H5: (Posio = Eng. De Servio);
Pela regra R4, substituda por (H6), (H7) e (H8):
H6: (Qualifica = Sim);
H7: (Mdia < 7,0);
H8: (Experincia >= 2).
H7 negada por M0, (como tambm H8), H5
descartada.
-
37
Encadeamento para trs
Nova hiptese:
H9: (Posio = Eng. De Produto);
Pela regra R6, substituda por (H10) e (H11):
H10: (Qualifica = Sim);
H11: (Mdia > 7,0).
H10 e H11 confirmadas por M0, H9 confirmada.
-
38
Encadeamento para trs
Outra possibilidade: inquisio do
usurio a cada passo:
Caso no haja regra cuja concluso
confirme a hiptese, uma pergunta feita
ao usurio para se obter o valor da
varivel.
-
39
Raciocnio Baseado em Modelos
Em vez de se utilizarem heursticas na resoluo
de um problema;
A anlise fundamentada diretamente na
especificao e funcionalidade do sistema fsico
(um modelo do sistema);
Normalmente aplica-se no diagnstico;
O sistema simulado assim como a estrutura e
funcionamento das suas componentes;
Exemplo de um circuito de somadores e
multiplicadores.
-
40
Raciocnio Baseado em Casos
Regras heursticas e modelos tericos so dois
tipos de informao que os especialistas
humanos utilizam para resolver problemas;
Outra estratgia utilizada o raciocnio
baseado em casos (Case-Based Reasoning -
CBR);
Utiliza uma base de dados com solues de
problemas para resolver novas situaes;
Exemplos: medicina, justia, programao de
computadores, arquitetura, histria...
-
41
Algoritmo de inferncia
1. Procurar casos similares na memria,
aqueles cuja soluo pode ser aplicada
nova situao (caractersticas comuns)
2. Modificar um desses casos para aplicar
situao nova (alterar sequncia dos passos
que levam de um estado inicial a um estado
final)
3. Aplicar o caso transformado ao novo problema
4. Guardar a soluo com uma medida do sucessoou insucesso para uso futuro.
-
42
Raciocnio Baseado em Regras
vantagens: modo direto
modular
desempenho
facilidades de explanao
as regras encaixam-se naturalmente na procura num espao de estados
o processo de inferncia fcil de seguir e depurar
os passos para a soluo do problema so facilmente inspecionveis
separao do controle e do conhecimento
-
43
Raciocnio Baseado em Regras
desvantagens:
regras altamente heursticas, falta de
profundidade
no manuseiam falta de informao ou
valores inesperados
a explicao baseia-se na prova e no nas
bases tericas
muito especfico na aplicao
-
44
Raciocnio Baseado em Casos
vantagens:
codificao direta de conhecimento histrico
(e.g. reparaes)
permite obter a soluo a partir de um caso
apropriado no necessitando de todo o
processo de resoluo do problema
evita erros do passado e explora os sucessos
(aprendizagem)
-
45
Raciocnio Baseado em Casos
vantagens:
no necessria uma anlise extensiva do
domnio do conhecimento
aquisio de conhecimento e sua codificao
relativamente fceis
-
46
Raciocnio Baseado em Casos
desvantagens:
explanao difcil
desempenho computacional (bases de dados extensas)
difcil definir critrios de similaridade
-
47
Raciocnio Baseado em Modelos
vantagens:
uso de conhecimento funcional/estrutural
robustez (ao contrrio do baseado em regras)
algum conhecimento transfervel entre
tarefas (teorias genricas...)
explicao causal
-
48
Raciocnio Baseado em Modelos
desvantagens:
falta de conhecimento heurstico
requer um modelo explcito do domnio (nem sempre possvel (e.g. finanas)
complexidade
situaes excepcionais (um componente avariado)
-
49
Outras possibilidades
Raciocnio Baseado em Representaes
Hbridas
regras+casos
regras+modelos
modelos+casos
Raciocnio com Incerteza ou Informao
Incompleta:
Probabilidades
Fatores de certeza
Sistemas difusos
-
50
Referncias
Sobre IA em geral:
S.J. Russel; P. Norvig. Artificial Intelligence.
Prentice Hall, 1995, http://aima.cs.berkeley.edu/.
E. Rich; K. Knight. Inteligncia Artificial.
Makron Books, 1994,
http://www.cs.utexas.edu/users/ear/ e
http://www.isi.edu/natural-
language/people/knight.html .
-
51
Referncias
Sobre SE:
M. Stefik. Introduction to Knowledge
Systems, Morgan Kaufmann, 1995.
P. Harmon, D. King. Expert Systems: AI in
Business, John Wiley & Sons, 1985.
K. Parsaye, M. Chignell. Expert Systems for
Experts, John Wiley & Sons, 1988.